Scale-Aware Trident Networks for Object detection
传统： image pyramid(直接对图像进行不同尺度的缩放，然后将这些图像直接输入到detector中进行检测，multi-scale training/testing 仍然是一个不可缺少的组件)
DL： feature pyramid(FPN,top-down 分支补充底层的语义信息不足)
对于一个backbone有哪些因素会影响性能。
Network depth
Downsample rate
Receptive field
前两者，网络越深结果越好，下采样次数过多对于小物体的检测有负面影响。
验证性试验：分别使用一个resnet50和resnet101作为backbone，改变作用一个stage中每个3*3 conv的dilation rate，只改变网络的感受野。不用尺度物体的检测性能和dilation rate正相关，更大的感受野对于达吾提性能对更好，更小的感受野对于小物体更加友好。
那么有没有办法将不同的感受野的有点结合在一起？
TridentNet在原始的backbone上做了三点变化：
第一：构造了不同receptive field的parallel multi-branch
第二：对于trident block中每一个branch的weight是share的
第三：对于每个branch，训练和测试都只负责一定尺度范围的样本，scale-aware
测试阶段，可以只保留一个branch来近似完整的TridentNet的结果，寻找这样的single branch approximation的最佳setting，一般而言，这样的近似只会降低0.5到1的map，但是和baseline相比不会引入任何额外的计算和参数。
三个并行分支均进行predict，只是三个dilated rate不同
Conv4分成3个branch后不融合直接各自接scale specific的rpn head和fast rcnn head？那你们怎么给conv3单独接一个trident block
自从加了trident block的地方开始，这个网络就分成3个branch，加trident block的地方dilation rate不同，后面不加的stage share一样的weight，结构和dilation rate。如果从第一层加就是三个并行的网络。
并行分支预测，但是感受野不一样，那么我不并行而是多尺度分支预测，不同分支的感受野肯定不一样，效果如果？
后者不就是常规设计了，我利用的msdn不也是融合了多尺度信息嘛
多尺度的关键在于控制感受野：
1.通过普通卷积downsample，2.通过dilation。从这个意义上是类似的，不过dilation的好处是可以基于同一个feature map来base，这里的创意在于共享参数，除了可以降低参数量以外，更大的意义在于捕获scale invarient的表征，不过这种invarient是通过人工显示设计的。
Deformable cnn自适应
这个最后的single branch approach是指inference的时候还是只用了一个dilation rate，不可能精度变高的，有一点低。
这里的提升是不是来自训练时的multi branch提供了data augmentation的作用？
（结构有点自相似的问道，不同尺度的特征还是可以在网络中的不同层次上体现出来）
权重共享，三个multi-branch的参数只和一个branch的时候一致？
后面的就是三条支路，三个loss加在一起算更快。
Multi branch
Weight share + scale aware